طراحی استراتژی قیمت گذاری پویا خرده فروشی با توجه به نوسانات در بازار روزانه با استفاده از پاسخ تقاضای یکپارچه

عدم تعادل بین قیمت های خرده فروشی ثابت و نوسان قیمت های عمده فروشی ، فشارهای عظیمی را بر سود خرده فروشان مسکونی تحمیل می کند. قیمت گذاری پویا (DP) می تواند به عنوان یک اقدام مؤثر برای خرده فروشان برای ایجاد انگیزه در منابع تقاضا و کاهش خطرات بازار آنها در نظر گرفته شود. با این حال ، برنامه های DP موجود نمی تواند با همه ساکنان سازگار باشد ، زیرا این برنامه ها می توانند ریسک مالی برخی از گروه ها را به همراه داشته باشند و تا حدی بر بازاریابی آنها تأثیر بگذارد. در این مطالعه ، یک مدل DP با توجه به نوسان در بازار روز پیشرو از نظر خرده فروشان پیشنهاد شده است. این مدل از دو بخش تشکیل شده است: (i) قیمت ثابت ، نمایانگر قیمت موجود ، و (ب) قیمت شناور ، که بازتاب زمان واقعی از نوسان قیمت روزانه است. سپس ، یک حالت حل و فصل دو مرحله ای برای این DP اتخاذ شده است تا اطمینان حاصل شود که هیچ مکمل هزینه ای از ساکنان در مقایسه با قیمت موجود وجود ندارد. علاوه بر این ، در یک سیستم انرژی جامعه ، یک استراتژی پاسخگویی به تقاضای یکپارچه برای حداکثر رساندن سود خرده فروش برای تعیین DP بهینه پیشنهاد شده است ، که در آن رفتار پاسخ ساکنان با استفاده از ماتریس کشش قیمت تقاضا در کل ایجاد می شود. یک مطالعه موردی دقیق در سه سناریو قیمت برای تأیید کاربرد و اثربخشی آن انجام شده است. نتایج نشان می دهد که استراتژی های DP هم برای خرده فروش و هم برای همه ساکنان مفید است. علاوه بر این ، این روش می تواند به نفع ساکنانی باشد که در ساعات دره از انرژی بیشتری استفاده می کنند اما در ساعات اوج انرژی کمتری دارند.

معرفی

اگرچه تحولات بازار برق در کشورهای مختلف متنوع است ، اما روند کلی آن مشابه است: بازار عمده فروشی آزادتر است ، در حالی که بازار خرده فروشی محافظه کارتر است [1]. در حال حاضر ، بیشتر کشورها یک سیستم عمده فروشی نسبتاً انعطاف پذیر ایجاد کرده اند که منعکس کننده روابط کلی عرضه و تقاضا در زمان است [2]. در مقابل ، بسته های برق یکپارچه یا مرتب شده به طور گسترده ای در طرف تقاضا ، به ویژه از طرف مقیم [3] تصویب می شوند ، و فقط در چند منطقه قیمت های پیچیده تری مانند قیمت گذاری اوج بحرانی (CPP) و قیمت های فصلی را تعیین می کنند. خصوصیات [4].

در راه اندازی فعلی ، به عنوان یک شرکت کننده اصلی در بازار ، خرده فروش مسکونی مجبور است مقدار مورد نیاز انرژی را با قیمت ثابت به ساکنان بفروشد و انرژی خود را از بازارهای عمده فروشی با قیمت نوسان خریداری کند. یعنی همه خطرات با خرده فروش باقی می مانند. خرده فروش باید با اتخاذ استراتژی های عرضه مناسب و در عین حال ، با تشویق ساکنان به شرکت به طور فعال در برنامه های پاسخ تقاضا (DR) ، به دنبال حداکثر رساندن سود خود باشد. برای خرده فروشان مسکونی ، قیمت گذاری پویا [5] ، [6] (DP) را می توان به عنوان یک برنامه DR مبتنی بر قیمت معقول و انعطاف پذیر در نظر گرفت. از آنجا که ساکنان از قبل در مورد DP مطلع می شوند ، می توانند با تغییر میزان مصرف خود به یک دوره هزینه کمتر یا با کاهش مصرف انرژی خود در هنگام بالا بودن قیمت ، هزینه های کلی انرژی خود را کاهش دهند. به این ترتیب ، این روش می تواند خطر خرید انرژی را در لحظه قیمت بالای برق کاهش دهد یا فضای سود خرده فروشان را بهبود بخشد.< SPAN> در مجموعه فعلی ، به عنوان یک شرکت کننده اصلی در بازار ، خرده فروش مسکونی مجبور است مقدار مورد نیاز انرژی را با قیمت ثابت به ساکنان بفروشد و قدرت خود را از بازارهای عمده فروشی با قیمت نوسان خریداری کند. یعنی همه خطرات با خرده فروش باقی می مانند. خرده فروش باید با اتخاذ استراتژی های عرضه مناسب و در عین حال ، با تشویق ساکنان به شرکت به طور فعال در برنامه های پاسخ تقاضا (DR) ، به دنبال حداکثر رساندن سود خود باشد. برای خرده فروشان مسکونی ، قیمت گذاری پویا [5] ، [6] (DP) را می توان به عنوان یک برنامه DR مبتنی بر قیمت معقول و انعطاف پذیر در نظر گرفت. از آنجا که ساکنان از قبل در مورد DP مطلع می شوند ، می توانند با تغییر میزان مصرف خود به یک دوره هزینه کمتر یا با کاهش مصرف انرژی خود در هنگام بالا بودن قیمت ، هزینه های کلی انرژی خود را کاهش دهند. به این ترتیب ، این روش می تواند خطر خرید قدرت را در لحظه قیمت بالای برق کاهش دهد یا فضای سود خرده فروشان را بهبود بخشد. در راه اندازی فعلی ، به عنوان یک شرکت کننده اصلی در بازار ، خرده فروش مسکونی مجبور است مبلغ مورد نیاز را بفروشدانرژی به ساکنان با قیمت ثابت و قدرت خود را از بازارهای عمده فروشی با قیمت نوسان خریداری می کند. یعنی همه خطرات با خرده فروش باقی می مانند. خرده فروش باید با اتخاذ استراتژی های عرضه مناسب و در عین حال ، با تشویق ساکنان به شرکت به طور فعال در برنامه های پاسخ تقاضا (DR) ، به دنبال حداکثر رساندن سود خود باشد. برای خرده فروشان مسکونی ، قیمت گذاری پویا [5] ، [6] (DP) را می توان به عنوان یک برنامه DR مبتنی بر قیمت معقول و انعطاف پذیر در نظر گرفت. از آنجا که ساکنان از قبل در مورد DP مطلع می شوند ، می توانند با تغییر میزان مصرف خود به یک دوره هزینه کمتر یا با کاهش مصرف انرژی خود در هنگام بالا بودن قیمت ، هزینه های کلی انرژی خود را کاهش دهند. به این ترتیب ، این روش می تواند خطر خرید انرژی را در لحظه قیمت بالای برق کاهش دهد یا فضای سود خرده فروشان را بهبود بخشد.

در بیشتر مطالعات ، DP را می توان به سه نوع تقسیم کرد: قیمت گذاری زمان استفاده (TOU) ، CPP و قیمت گذاری در زمان واقعی (RTP). هر دو قیمت گذاری TOU و CPP فاقد کشش با ناتوانی انگیزه ضعیف هستند ، در حالی که RTP نوعی قیمت بسیار متغیر است که رابطه پویا بین تقاضا و عرضه را نشان می دهد [6] ، و به سیستم کمک می کند تا به روشی اقتصادی و مؤثر عمل کند ، که در آن محبوب است. مطالعات DP. محققان تحقیقات قابل توجهی در مورد طراحی برنامه های DP انجام داده اند و نمونه هایی از اهداف بهینه سازی شامل به حداقل رساندن تغییرات در سیگنال های قیمت [8] و هزینه انرژی ساکنان [9] ، به حداکثر رساندن سود خرده فروشان ، بهبود اوج به اوجنسبت متوسط [10] یا کاهش بار اوج شبکه [11]. در [12] ، نتیجه RTP بهینه در القاء رفتارهای مصرف مطلوب ساکنان بر اساس مدل کشش تقاضای توسعه یافته اثبات شد. در [13] ، مدل DP بین یک شبکه و ساختمانها توسط بازی Stackelberg بهینه شد. نتایج نشان داد که این رویکرد سود خالص را 8 ٪ افزایش داده و نوسان تقاضا را تقریباً 40 ٪ برای شبکه کاهش می دهد ، با پس انداز در قبض های برق 2. 5-8. 3 ٪ برای ساختمانها. علاوه بر این ، طرح RTP [14] در یک شبکه هوشمند با چندین خرده فروش و چندین ساکن ساخته شد. علاوه بر این ، قیمت های خرده فروشی مجازی توسط خرده فروش مجازی برای دستیابی به کنترل بار بهینه دستگاه ها در یک تسهیلات طراحی و ارائه شده است [15]. یک چارچوب RTP برای ساکنان برای منابع انرژی کل در بازار انرژی ایتالیا تهیه شده است [16]. استراتژی DP برای بازار برق سنگاپور مورد بررسی قرار گرفت [17] ، و نتایج نشان داد که DP می تواند به ترتیب 10 ٪ و 5 ٪ کاهش بار اوج را برای بخش های مسکونی و تجاری به حداکثر برساند.

علاوه بر این، در برخی از مطالعات، مدل های DP تحت یک DR جامع با تجمیع نسل های پراکنده، ذخیره انرژی [7] و بارهای انعطاف پذیر مورد بررسی قرار گرفته اند و دستاوردهای زیادی حاصل شده است [18]. در یک ریزشبکه، مدل DP [19] با در نظر گرفتن نسبت واقعی خروجی انرژی تجدیدپذیر برای تسهیل استفاده از منابع تجدیدپذیر طراحی شد، در حالی که در [20]، مدلی به روشی مشابه برای ارتقای تولید خورشیدی روی پشت بام طراحی شد. برنامه RTP برای کنترل بهینه ساختمان توسط انعطاف پذیری تقاضا برای سیستم های ترکیبی حرارت و برق استفاده شد [21]، [22]. در یک سیستم چند انرژی مسکونی [23]، یک استراتژی قیمت گذاری انرژی جدید، شامل قیمت تولید گرهی و قیمت انتقال گرهی، پیشنهاد شد. علاوه بر این، یک برنامه RTP در یک ریزشبکه مبتنی بر سرمایش، گرمایش و برق (CCHP) طراحی شد تا انتشار کربن و هزینه عملیاتی را به طور همزمان کاهش دهد، جایی که RTP با نسبت بار متوسط واقعی بر اساس قیمت گذاری TOU تعیین شد [24].

در مورد برنامه های DP مسکونی، مطالعات زیادی تا به امروز انجام شده است. با این حال، ما نمی توانیم این واقعیت را نادیده بگیریم که کاربرد عملی فعلی DP هنوز در بخش های صنعتی و تجاری غالب است [25]، در حالی که در بخش مسکونی، DP به ندرت استفاده می شود [26]. دو دلیل اصلی برای این وجود دارد.

1) سازگاری یکی از ویژگی های یک مدل خوب DP است [27]. برای فرآیند تظاهرات ، بسیاری از مطالعات بر اساس این فرضیه انجام می شود: ساکنان کاملاً برنامه DP پیشنهادی را می پذیرند و پاسخ می دهند ، اما این بدیهی است که از واقعیت منحرف می شود زیرا هر سیاست قیمت ناعادلانه یا مغرضانه پذیرش آن دشوار است. در [28] ، سه نوع مختلف DP برای روز بعد با توجه به انعطاف پذیری آنها (به عنوان مثال ، انعطاف پذیری بالا ، نیمه و پایین) بر اساس پیش بینی قیمت و هزینه های حاشیه ای در اختیار ساکنان قرار گرفت. با این حال ، نحوه ارزیابی انعطاف پذیری ساکنان به طور دقیق و سازگاری این روش هنوز یک مشکل پیچیده است. با تمرکز بر روی یک خانواده ، یک سیاست DP با هزینه های به حداقل رساندن [29] بر اساس تقاضای شبکه پیش بینی شده و مصرف برنامه ریزی شده داخلی طراحی شده است. با این حال ، این سناریو بیش از حد سفارشی و برای ارتقاء در مقیاس بزرگ دشوار بود. طرح RTP دو قسمتی [30] شامل دو سیگنال قیمت متفاوت RTP بود. اولین سیگنال قیمت RTP برای شارژ مصرف مشتریان تا مبنای مشتری خود استفاده شد ، که مصرف مشتریان را در صورت عدم وجود سیگنال های RTP نشان می دهد. دومین سیگنال قیمت RTP یک روز پیش از عملکرد واقعی اعلام شد و می تواند در زمان واقعی توسط یک اپراتور سیستم توزیع با یک اخطار کوتاه به روز شود. فقط انحراف مصرف مشتری از بار پایه مشتری خود در سیگنال قیمت RTP بی ثبات روز به روز شارژ شد. چنین مدلی تا حدودی از مزایای کاربران صنعتی و تجاری اطمینان حاصل می کند ، اما یک پایه دقیق مشتری لازم برای حل قبل از آن است. با توجه به اینکه رفتار استفاده از انرژی ساکنان ، فصول ، جمعیت خانواده و عادات زندگی بسیار متفاوت است ، این مدل در کوتاه مدت برای ساکنان مناسب نیست. علاوه بر این ، اگرچه بسیاری از برنامه های DP کاهش کلی هزینه مسکونی را از عملکرد عینی یا محدودیت ها تضمین می کنند ، نوسانات وحشی برنامه های DP ممکن است خطر مالی را برای برخی از ساکنان در بدترین حالت تحمیل کند [31]. تاکنون ، تنها چند مطالعه با هدف کاهش هرگونه خطر ساکنین تحمیل شده توسط DP بی ثبات در طی فرآیند بهینه سازی انجام شده است.

2) یک زیرساخت قوی قوی کلید اجرای DP است ، به ویژه در حالت واقعی. مشخصات DP بهینه برای ادغام سیستم های تهویه مطبوع و ذخیره سازی با هم برای صاف کردن منحنی استفاده شد [32]. با این حال ، 48 نقطه داده ساعت برای این مدل DP مورد نیاز است ، به این معنی که راه حل یک فرآیند محاسباتی شدید است. علاوه بر این ، در طول اجرای DP ، سه حالت تعاملی به همراه تنظیمات کنترل پیشرفته مورد نیاز بود [33]. برای تعداد زیادی از ساکنان ، آشکارا غیر واقعی است که به طور مکرر مصرف انرژی خود را برای تحقق تعامل در زمان واقعی مشاهده و تنظیم کنید. علاوه بر این ، چنین هزینه های بالای زیرساخت می تواند مبلغ قابل توجهی از پول و سرمایه گذاری مهندسی برای هر خرده فروش باشد.

ما می توانیم از این طریق در مورد آن فکر کنیم ، بیشتر ساکنان به قیمت خرده فروشی نسبتاً ثابت عادت دارند ، و پذیرش یک برنامه DP بی ثبات بسیار دشوار است ، به خصوص اگر مزایای مشتریان را نقض کند یا استفاده از انرژی را ناخوشایند کند. بنابراین ، خرده فروش باید نوعی برنامه DP را پیدا کند که بتواند شور و شوق ساکنان را به روشی ساده بهبود بخشد و دیدگاه های آنها را منعکس کند [34].

• • اول ، یک مدل DP معقول ارائه شده است ، که شامل دو بخش است: یک قیمت ثابت که نشان دهنده قیمت موجود و قیمت شناور است که نشان دهنده قیمت روزانه است. حالت تسویه حساب دو مرحله ای اتخاذ شده است که در صورتی که هزینه انرژی هر گروه خاص تحت تأثیر منفی باشد ، تسویه قیمت شناور به صفر می رسد. یعنی طرح DP پیشنهادی هیچ گونه مزایایی را برای هیچ گروهی از ساکنان نقض نمی کند.
• • دوم ، مشکل بهینه سازی DP می تواند به عنوان یک مشکل مدیریت انرژی برای خرده فروش با توجه به DR یکپارچه ، از جمله پاسخ بار و استراتژی های تأمین الکتریکی/گرمایشی/سرمایشی مرکز انرژی تدوین شود. مدل پاسخ بار ساکنان با توجه به ویژگی بار متنوع ، با استفاده از ماتریس کشش قیمت تقاضا ایجاد می شود. علاوه بر این ، راه حل مهندسی برای ماتریس کشش قیمت تقاضا نیز برای بهبود امکان و کاربرد آن پیشنهاد شده است.
• • سوم ، DP بر اساس جامعه ای متشکل از 5000 نفر از ساکنان در چین بهینه شده است. مزایا و مضرات سه سناریوی قیمت گذاری با یکدیگر مقایسه می شود و DP را می توان به عنوان یک تجارت بین قیمت TOU و RTP در نظر گرفت ، که هم برای خرده فروش و هم برای همه ساکنان مفید است. یکی دیگر از مزایای DP این است که می تواند به نفع ساکنانی باشد که در ساعات دره از انرژی بیشتری استفاده می کنند اما در ساعات اوج انرژی کمتری دارند و متوجه موقعیت دقیق مشوق های شناور می شوند.

باقیمانده این مقاله به شرح زیر سازماندهی شده است. بخش 2 مدل DP را با ردیابی نوسانات در بازار روز پیشرو ، از جمله قطعات شکل گیری و تسویه حساب مدل می کند. بخش 3 معماری جامعه مسکونی و نقش خرده فروش را ارائه می دهد. بخش 4 مشکل بهینه DP را با تمرکز بر حداکثر رساندن سود خرده فروش توسط DR یکپارچه توصیف می کند. بخش 5 نتایج تجربی را ارائه می دهد. بخش 6 در ادامه خصوصیات بین DP ، قیمت گذاری TOU و RTP را مورد بحث قرار می دهد. بخش 7 مطالعه را نتیجه می گیرد.

قطعه قطعه

تشکیل DP

با مراجعه به بازار PJM ، بازار نقطه ای از استان ژجیانگ ، چین ، از سال 2019 به طور رسمی در مرحله عملیات شبیه سازی قرار گرفته است [35]. قیمت روزانه با میانگین قیمت گره در سمت کاربر تعیین می شود و با توجه به منحنی های عرضه-دماند ، از ساعت به ساعت متفاوت است. قیمت روزانه و خرده فروشی با توجه به قیمت انتقال و توزیع در شکل 1 نشان داده شده است.

شرح سیستم

طی چند دهه گذشته ، جوامع مسکونی به دلیل سیاست های شهرنشینی در سراسر جهان به عنوان واحدهای اساسی مصرف انرژی یک شهر ظاهر شده اند [38]. تعداد فزاینده ای از جوامع در حال اتخاذ مراکز انرژی اقتصادی و فنی (مانند سیستم های فتوولتائیک (PV) ، ذخیره انرژی و CCHP) برای بهبود انعطاف پذیری و کاهش هزینه های عرضه هستند. یک ساختار معمولی از یک سیستم انرژی مسکونی جامعه (RCES) در شکل 4 نشان داده شده است. طرف عرضه شامل PVS ، برق است

دستگاه های تولید انرژی

در مرکز انرژی ، MT و GB گاز طبیعی را به برق و گرما مربوطه تبدیل می کنند و HR وظیفه بازیابی گرمای تولید شده توسط MT را بر عهده دارد. e t mt = η e mt g t mt l g / Δ t ، h t mt = η e - h mt e t mt h t gb = η gb g t gb l g / Δ t h t hr = η hr h t mt جاییη e mt و η e-h mt به ترتیب کارآیی گاز به برقی و الکتریکی-ترمو از MT است. η GB راندمان تبدیل گاز به Thermo از GB است. η HR راندمان تبدیل ترمو از HR است ، L G مقدار کالری است

مرکز انرژی و داده های بار

این مطالعه در جامعه ای متشکل از 5000 نفر از ساکنان در شهر چانگژو ، چین تأیید شده است. در پایان سال 2018 ، شرکت دولتی Jiangsu Electric Power Power ، Ltd. ، "کاربران شهری و تأمین شبکه برق و سیستم تعاملی دوستانه" را برای 60،000 نفر از ساکنان در شهر Changzhou نصب کرده بود. این سیستم بیش از یک سال است که به طور پایداری کار می کند و داده های بار متنوع همه ساکنان را با وضوح 15 دقیقه پوشش می دهد. پیش بینی های برق/گرمایش/سرمایش در 25 اوت ،

بحث

نتایج مطالعه موردی مورد بحث در بخش 5 تأثیر DP بر خرده فروش و ساکنان را تأیید کرد. در اینجا ، ما بیشتر در مورد DP ، قیمت گذاری TOU و RTP از سه سطح تشکیل قیمت ، اجرای و اثر بحث می کنیم که می تواند به پنج فهرست تقسیم شود: دسترسی آسان به داده های اساسی ، نیاز به یک زیرساخت قوی ، کشش قیمت ، سود خرده فروشی ومزایای مصرف کننده ، همانطور که در شکل 14 نشان داده شده است. در شکل 14 ، معیارهای ارزیابی این شاخص توسط 1 ، 2 و 3 رتبه بندی می شود ، جایی که 3 نشان می دهد

نتیجه گیری

یک DP منطقی و ساختار یافته می تواند رابطه بین بازیگران بازار را برای حداکثر رساندن اجتماعی ، بهینه سازی تخصیص منابع و تحریک بیشتر نشاط بازار انرژی متعادل کند. DP جدید برای کاهش ریسک مالی و بهبود سود خرده فروش مسکونی در عین حال اطمینان از افزایش هزینه انرژی همه ساکنان پیشنهاد شده است. سپس ، مشکل بهینه سازی DP به عنوان یک مشکل مدیریت انرژی برای خرده فروش با توجه به DR یکپارچه تدوین می شود.

بیانیه مشارکت در نویسندگی اعتباری

لو چن: مفهوم سازی ، تحقیق ، نوشتن - پیش نویس اصلی ، نرم افزار ، تجزیه و تحلیل رسمی. Yongbiao Yang: مفهوم سازی ، تحقیق ، نوشتن - پیش نویس اصلی ، اعتبار سنجی ، نوشتن - بررسی و ویرایش. Qingshan Xu: روش شناسی ، نرم افزار ، تجزیه و تحلیل رسمی ، کسب بودجه.

اعلام علاقه رقیب

نویسندگان اعلام می كنند كه آنها هیچ منافع مالی رقیب یا روابط شخصی را كه به نظر می رسد بر اثر گزارش شده در این مقاله تأثیر می گذارد ، ندارند.

تصدیق

این کار توسط برنامه تحقیق و توسعه کلیدی جیانگسو چین (کمک هزینه شماره BE2020688) پشتیبانی شده است.

لو چن لیسانس را دریافت کرد. مدرک مهندسی برق از دانشگاه Hohai در سال 2008 و M. S. مدرک مهندسی برق از دانشگاه Hohai در سال 2011. وی در حال حاضر D. E. مدرک مهندسی برق از دانشگاه جنوب شرقی از سال 2018. علایق تحقیق وی شامل پاسخ تقاضا و سیستم انرژی یکپارچه است.< Pan> نویسندگان اعلام می کنند که هیچ علاقه مالی رقیب یا روابط شخصی را که به نظر می رسد می تواند بر کار گزارش شده در این مقاله تأثیر بگذارد ، ندارند.